算法描述
EP 是 L. J. Fogel 于20世纪60年代在人工智能研究中提出的一种有限状态机进化模型,在此模型中机器的状态基于分布的规律进行编译。
D. B. Fogel 在90年代拓广了 EP 思想,使它可处理实数空间的优化问题,并在变异运算中引入了正态分布变异算子,这样 EP 就变成了一种优化搜索工具,并在很多实际问题中得到了应用。
EP 模拟生物种群层次上的进化,因此在进化过程中主要强调生物种群行为上的联系,即强调种群层次上的行为进化而建立父、子代间的行为链,意味着好的子代才有资格生存,而无论其父代如何,适于选择子代。
算法流程
初始化(个体表现型X, 群体规模N, 迭代次数G等) 随机产生初始群体并计算适应值(含N 个个体) while (not done) { for(i = 1; i < N; i++) { 对Xi进行变异得到Xi' 对Xi进行可行性检查 计算xi的适应值 } 从2N 个个体中选择N 个个体 } 输出结果
对算法流程的解释
①个体表现型X : X = (x1, x2, ┉┉ ,xn, σ1,σ2, ┉┉ σn),其中x1 ┉┉ xn为个体表现的分量,σ1 ┉┉ σn为个体表现分量的变异参数;
②群体规模N : 为改算法中包含的个体数;
③随机产生初始群体